Electronic Theses and Dissertation

Ekosistem padang lamun di Perairan Aceh Besar terus mengalami degradasi akibat tekanan antropogenik dan dinamika lingkungan, sehingga diperlukan strategi penentuan lokasi restorasi yang akurat guna meminimalkan risiko kegagalan transplantasi di lapangan. Penelitian ini bertujuan untuk menilai kelayakan spasial lokasi restorasi lamun menggunakan pendekatan terpadu berbasis data penginderaan jauh multi-sumber melalui platform Google earth engine (GEE) dan aplikasi Sistem Informasi Geografis (SIG) seperti ArcGIS. Sebanyak tujuh parameter kesesuaian habitat dianalisis pada skala bentang alam yang mencakup total 66.782 grid cell (ukuran 100 × 100 m per grid). Parameter tersebut diintegrasikan menggunakan metode perkalian indeks Preliminary Transplant Suitability Index (PTSI) untuk mengklasifikasikan wilayah perairan menjadi tiga kelas kesesuaian. Hasil analisis parameter tunggal menunjukkan bahwa kondisi hidrodinamika perairan sepenuhnya mendukung pertumbuhan lamun, dengan seluruh wilayah (100%) terklasifikasi memiliki paparan gelombang kategori sedang hingga rendah. Namun, faktor fisik perairan muncul sebagai pembatas utama kesesuaian habitat, yang dicirikan oleh dominasi kedalaman perairan lebih dari 6 meter sebesar 84,40% area, karakteristik substrat dasar berupa batu dan kerikil kasar sebesar 97,00% area, serta konsentrasi Total Suspended Solids (TSS) di atas 20 mg/l yang mencakup 61,45% area. Karakteristik perkalian indeks PTSI secara ketat mengeliminasi wilayah yang bersinggungan dengan parameter pembatas tersebut. Hasil integrasi PTSI menunjukkan bahwa 98,70% wilayah (65.912 grid) termasuk ke dalam kelas 0 (tidak potensial). Area berpotensi restorasi pada kelas 1 hanya mencakup 1,28% (854 grid), sedangkan area sangat berpotensi pada kelas 2 hanya sebesar 0,02% (16 grid). Rincian nilai total PTSI pada area potensial terdiri atas 9 grid (nilai 1), 669 grid (nilai 2), 185 grid (nilai 4), dan 16 grid (nilai 8). Penelitian ini membuktikan bahwa integrasi data penginderaan jauh berbasis cloud computing efektif menghasilkan penilaian kelayakan lokasi restorasi secara sistematis pada skala luas, di mana implementasi pemulihan ekosistem lamun di Aceh Besar wajib difokuskan secara rigid pada zona terbatas tersebut.

Seagrass ecosystems in Aceh Besar Waters continue to experience degradation due to anthropogenic pressures and environmental dynamics, necessitating an accurate site selection strategy for restoration to minimize the risk of transplant failure in the field. This study aims to assess the spatial suitability of seagrass restoration sites using an integrated approach based on multi-source remote sensing data via the Google Earth Engine (GEE) platform and Geographic Information Systems (GIS) applications such as ArcGIS. A total of seven habitat suitability parameters were analyzed at a landscape scale covering 66,782 grid cells (100 × 100 m per grid). These parameters were integrated using the multiplicative Preliminary Transplant Suitability Index (PTSI) method to classify the marine area into three suitability classes. Single-parameter analysis revealed that hydrodynamic conditions are entirely favorable for seagrass growth, with 100% of the study area classified as having moderate-to-low wave exposure. However, physical environmental factors emerged as the primary constraints on habitat suitability, characterized by a dominance of water depths exceeding 6 meters across 84.40% of the area, seabed substrates consisting of stones and coarse gravel across 97.00% of the area, and Total Suspended Solids (TSS) concentrations above 20 mg l⁻¹ covering 61.45% of the area. The multiplicative nature of the PTSI strictly eliminated regions overlapping with these limiting parameters. Integration results indicate that 98.70% of the study area (65,912 grids) falls under Class 0 (not suitable). Areas classified as Class 1 (potentially suitable for restoration) account for only 1.28% (854 grids), while Class 2 (highly suitable) covers a mere 0.02% (16 grids). The breakdown of PTSI values within the suitable area comprises 9 grids (value 1), 669 grids (value 2), 185 grids (value 4), and 16 grids (value 8). This study demonstrates that cloud computing-based remote sensing data integration effectively generates systematic restoration suitability assessments at a large scale, underscoring that seagrass ecosystem recovery in Aceh Besar must be strictly focused on these highly restricted suitable zones.